Карьерный успех теперь можно предсказать по цифровым следам.
1я профессия, для которой это стало возможно, - музыканты.

Это прорыв в «Цифровой науке об успехе» - предсказание карьерной траектории по цифровым следам в сети, оставляемым человеком в ходе его профессиональной деятельности.
Музыканты оказались, в этом смысле, уникальной профессией:
1) они максимально «следят» в сети;
2) их успех довольно просто замерять всего по 2м параметрам.

Большинство музыкантов, от начинающих до признанных артистов, для продвижения и популяризации своей музыки, в основном, выступают с турами живых концертов.
Практически все такие туры рекламируются на музыкальных онлайн платформах (типа Songkick), используемых поклонниками для отслеживания дат туров любимых музыкантов и своевременной покупки билетов без переплаты.

Авторы нового исследования Лаборатории машинного интеллекта и науки о данных Института информационных наук при Университете Южной Калифорнии задались вопросом:
✔️ а вдруг, музыканты – это как раз та профессия, для которой можно прогнозировать будущую карьеру на основе анализа цифровых следов в сети, оставляемых каждым музыкантом?

И вот ведь удача, они угадали!
Однако, помимо удачи, авторам потребовалась креативность и филигранное умение работать с большими данными.

— Во-первых, был построен новый набор данных, содержащий перекрестные ссылки между данными разных онлайн платформ (14К музыкантов, 650К концертов, 11К площадок с 2007 по 2017 гг.)
— Затем этот новый набор данных был увязан с базой данных Discogs одной из крупнейших баз музыкальных исполнителей и их изданий от различных музыкальных компаний (вкл. дискографию музыкантов).
— Затем разработали «формулу успеха» - оперативное определение успеха музыканта на основе подписываемых им контрактов с крупными лейблами и/или их дочерними компаниями.
— После этого с помощью аналитики больших данных авторам удалось показать, как путем майнинга созданного набора данных о цифровых следах артиста можно прогнозировать поворотные пункты его будущей карьеры – подписание очередного контракта с крупным лейблом и/или выступление на очередной престижной площадке.
— Наконец, был построен темпоральный (учитывающий временную динамику) двудольный граф музыкантов и площадок, на которых они выступают.
— К этому графу был применен алгоритм BiRank (модификация алгоритма PageRank для двудольных графов). Он итеративно перерасчитывает престижность площадок в зависимости от того, насколько крутые исполнители на них выступают. Одновременно алгоритм модифицирует крутость исполнителей, мониторя их выступления по престижным площадкам.
— В итоге BiRank позволяет рассчитать Рейтинг Популярности каждого музыканта, а также количественно и качественно прогнозировать будущие траектории их успехов.

График примера предсказания траектории успеха приведен в тексте этого поста, опубликованном на Medium (см. в Instant View https://goo.gl/p9vrh3) – там же можно и послушать группу по ссылке под фото.

Интересно пофантазировать:
✔️ как это теперь будет отражаться на динамике популярности музыкантов (шутка ли – предсказуемая карьерная траектория)?
✔️ какая профессия будет следующей (чтоб в сети густо следили и успех однозначно измерялся – N.B. зарплата не годится)?

Исследование: https://goo.gl/ZiisSu

#DataMining #WebMining #OnlineSocialNetworks #HumanCenteredComputing #CollaborativeAndCocialComputing